GIỚI THIỆU
Tính cấp thiết của đề tài
Để hiểu rõ sự ra đời và phát triển của các hệ thống thủy canh hiện nay, trước tiên cần xem xét từng bước tiến của ngành nông nghiệp Ngành nông nghiệp đóng vai trò quan trọng trong việc cung cấp nguyên liệu thực phẩm và các sản phẩm nông nghiệp cơ bản cho thương mại, bao gồm lúa mì, gia súc, sữa, sợi và sản xuất thực phẩm.
Nhu cầu tiêu thụ thực phẩm đang tăng cao, do đó, việc xây dựng một chiến lược hiệu quả để nâng cao số lượng và chất lượng cây trồng trở nên rất quan trọng Để cải thiện sự sinh trưởng của cây trồng, cần chú trọng đến việc nâng cao chất lượng đất canh tác Cụ thể, điều chỉnh hàm lượng phân bón và chất hữu cơ phù hợp sẽ giúp tăng cường các kim loại cần thiết trong đất, từ đó giúp cây trồng hấp thụ dinh dưỡng tốt hơn.
Thành phần đất phức tạp gây khó khăn trong việc kiểm soát khoáng chất và kim loại, ảnh hưởng đến sự phân bố và mức dinh dưỡng cần thiết cho cây trồng Mặc dù có thể ước lượng phân bố chất dinh dưỡng để bón phân sau mỗi vụ, nhưng việc duy trì mức dinh dưỡng lý tưởng trong đất vẫn là một thách thức lớn Kết quả là, cây không nhận đủ dinh dưỡng để phát triển bình thường, dẫn đến sự phát triển kém của cây trồng.
Một hạn chế của việc trồng cây truyền thống trong đất là ô nhiễm do nước thải, khí thải và chất thải, cùng với sự hiện diện của các kim loại nặng gây hại, ảnh hưởng đến chất lượng đất trồng.
Để giảm thiểu các vấn đề hiện tại, một phương pháp mới được thử nghiệm gọi là canh tác cây trong môi trường nước Phương pháp này cho phép trồng cây mà không cần sử dụng đất, thay vào đó, cây được trồng trong hệ thống dựa trên nước hoặc dung dịch dinh dưỡng Rễ cây sẽ được treo trên mặt nước hoặc ngâm trong dung dịch chứa các chất dinh dưỡng cần thiết cho sự phát triển của cây.
Khác với phương pháp trồng cây truyền thống, kỹ thuật trồng cây thủy canh sử dụng dung dịch dinh dưỡng và bổ sung vật liệu như perlite, sỏi hoặc sợi khoáng Phương pháp này không chỉ giúp giảm thiểu sâu bệnh và dịch hại mà còn tạo ra cây trồng khỏe mạnh hơn so với cây trồng trên đất.
Chất dinh dưỡng có ảnh hưởng lớn đến sự phát triển của cây trồng, và việc điều chỉnh pH đúng cách giúp cây hấp thụ các kim loại cần thiết tốt hơn Công nghệ IoT đã cải thiện khả năng kiểm soát nhiệt độ, độ ẩm và mức pH trong nước một cách tự động và chính xác, từ đó đảm bảo cân bằng dinh dưỡng cho cây Rius-Ruiz và cộng sự (2013) đã phát triển một hệ thống thủy canh trồng cây theo dạng trụ thẳng đứng, được điều khiển bằng máy tính để phân tích hàm lượng khoáng chất cần thiết cho cây Đồng thời, Ibayashi và cộng sự (2016) đã tạo ra một hệ thống thủy canh điều khiển không dây cho cây cà chua, nhưng cả hai hệ thống đều thiếu chức năng tự động giám sát các thông số môi trường Để khắc phục điều này, Montoya và cộng sự (2017) đã nâng cấp hệ thống bằng Arduino để đo pH, độ ẩm và nhiệt độ, mặc dù chi phí xây dựng hệ thống vẫn còn khá cao.
Vào năm 2017, Eridani và cộng sự đã phát triển hệ thống NFT sử dụng VĐK, tích hợp cảm biến TDS và cảm biến tiệm cận để phát hiện độ dẫn điện và tự động cung cấp nước khi mức nước giảm Tuy nhiên, việc không sử dụng cảm biến pH khiến hệ thống không thể theo dõi và điều chỉnh pH cho cây trồng.
Hệ thống NFT được sáng tạo nhằm điều khiển các thông số như nhiệt độ, độ dẫn điện, độ ẩm và pH thông qua IoT, kết hợp với ứng dụng di động để theo dõi Tuy nhiên, nó yêu cầu người dùng can thiệp qua ứng dụng Palande và cộng sự (2018) đã sử dụng cảm biến và thiết bị ngoại vi để điều khiển hệ thống, tiếp tục hướng đi giám sát và thay đổi giá trị cảm biến từ môi trường Mặc dù hệ thống này chỉ là mẫu thử nghiệm, Siriwattanakul và cộng sự (2018) đã phát triển một hệ thống nông trại đứng thông minh tích hợp IoT để điều chỉnh cảm biến từ xa, nhưng vẫn thiếu quy trình thiết kế rõ ràng và đánh giá hệ thống.
Tagle và các cộng sự đã phát triển một hệ thống tự động sử dụng các trụ hình tháp để đo lường các thông số của hệ thống Tuy nhiên, hệ thống này không hỗ trợ giám sát từ xa do không tích hợp công nghệ IoT.
Cambra và cộng sự đã phát triển một cảm biến pH tự động có khả năng hiệu chuẩn và điều chỉnh độ pH của dung dịch cho cây trồng Tuy nhiên, hệ thống này chưa phải là một giải pháp thủy canh hoàn chỉnh với nền tảng IoT Để khắc phục điều này, Marques và các cộng sự đã giới thiệu iHydroIoT, một hệ thống tích hợp iOS cho phép thu thập dữ liệu, tư vấn và phân tích thông tin theo thời gian thực Hệ thống này hỗ trợ theo dõi các thông số như ánh sáng, nhiệt độ, độ ẩm, CO2, pH, độ dẫn điện và mức nước, giúp tối ưu hóa quá trình canh tác.
Các phương pháp kết hợp IoT vào hệ thống thủy canh hiện nay chủ yếu tập trung vào việc điều chỉnh giá trị cảm biến từ môi trường nhằm tối ưu hóa khả năng hấp thụ khoáng chất của cây trồng Tuy nhiên, nhược điểm của phương pháp này là thiếu tính trực quan về mặt ngữ nghĩa của lá cây Chẳng hạn, khi cây thiếu Nitrogen, lá sẽ chuyển sang màu vàng ở phần góc, và màu sắc của lá cũng có thể phản ánh tình trạng dinh dưỡng bất thường của cây.
Nhóm nghiên cứu đang phát triển một hệ thống IoT nhằm thu thập dữ liệu từ cảm biến và hình ảnh để hiểu rõ hơn về các yếu tố ảnh hưởng đến sự phát triển của cây trồng Một thách thức lớn là xác định vị trí của những cây bất thường trong số lượng lớn cây trồng, từ đó tự động điều chỉnh các tham số như pH, nhiệt độ và độ ẩm Hệ thống này sẽ giám sát tình trạng cây và vị trí của chúng, đồng thời lưu trữ dữ liệu vào cơ sở dữ liệu Người dùng có thể dễ dàng theo dõi vị trí của cây khi có biểu hiện bất thường qua giao diện web, từ đó điều chỉnh mức dinh dưỡng phù hợp, giúp tiết kiệm thời gian và giảm thiểu nhân công trong việc giám sát nhà vườn.
Ý nghĩa khoa học và thực tiễn của đề tài
Hệ thống thủy canh kết hợp IoT giúp phát hiện cây bất thường bằng cách kết nối và trao đổi dữ liệu giữa các thiết bị và cảm biến, thu thập thông tin quan trọng về môi trường trồng trọt như nhiệt độ, độ ẩm, độ pH và mức dinh dưỡng Ứng dụng IoT trong canh tác không dùng nước cho phép phát hiện sự thiếu dinh dưỡng, từ đó nâng cao chất lượng cây trồng Bằng cách theo dõi sự thay đổi màu sắc của lá cây, người trồng có thể nhận diện cây có dấu hiệu bất thường, điều chỉnh pH và dinh dưỡng, duy trì điều kiện tối ưu cho sự phát triển, đồng thời ngăn chặn sớm các vấn đề như bệnh tật, thiếu dinh dưỡng và suy thoái cây trồng.
Mục tiêu nghiên cứu của đề tài
Nhóm nghiên cứu đã phát triển một hệ thống tự động giám sát cho mô hình nhà vườn, cho phép điều chỉnh pH và ppm của môi trường theo từng giai đoạn phát triển của cây Hệ thống cũng có khả năng nhận diện cây bất thường thông qua việc phân tích màu sắc của lá cây.
Giới hạn đồ án
Để hạn chế phạm vi của đề tài, nhóm đặt ra các giới hạn như sau:
+ Chỉ làm mô hình thu nhỏ có kích thước 1220x740x660mm,
+ Chỉ phát hiện tình trạng cây bệnh thông qua xử lý màu sắc (HSV),
+ Chỉ giám sát và đưa ra chuẩn đoán cây bất thường (thiếu chất, vàng lá,…),
+ Chỉ quan sát cây trồng theo góc nhìn cố định (từ trên xuống).
Phương pháp nghiên cứu
Phương pháp nghiên cứu tài liệu bao gồm việc thu thập và đọc các tài liệu, bài báo liên quan đến ứng dụng IoT trong lĩnh vực này Qua việc phân tích các thông tin thu thập được, nhóm nghiên cứu xác định những hạn chế và vấn đề tồn đọng, từ đó đề xuất hướng nghiên cứu cho đồ án.
Phương pháp tham vấn chuyên gia bao gồm việc thảo luận với giảng viên hướng dẫn nhằm đánh giá hướng nghiên cứu về ý tưởng, từ đó đo lường tính thực tế và khả thi của việc triển khai hệ thống trong thực tế.
Phương pháp nghiên cứu khảo sát giúp thu thập ý kiến của người dùng để đánh giá chất lượng website của nhóm thiết kế Những nhận xét từ khách hàng sẽ cung cấp cái nhìn sâu sắc về mong muốn của họ, từ đó hỗ trợ nhóm trong việc cải thiện và tối ưu hóa thiết kế website hiệu quả hơn.
Phương pháp thực nghiệm là quá trình tiến hành các thí nghiệm và quan sát nhằm thu thập dữ liệu thực tế Mục tiêu của phương pháp này là tinh chỉnh các thông số hệ thống để giảm thiểu sai số ở mức tối thiểu.
Bố cục của luận văn tốt nghiệp
Luận văn này được chia làm 8 chương Trong đó
Chương này sẽ tổng hợp các vấn đề còn tồn đọng trong nghiên cứu, từ đó đề xuất phương án xử lý phù hợp Đồng thời, bài viết cũng sẽ phân tích ý nghĩa và tính thực tiễn của việc thực hiện phương án đã đề xuất.
Mục tiêu của đồ án được xác định rõ ràng, đồng thời giới hạn các nội dung cần thực hiện Nhóm nghiên cứu sẽ trình bày các phương pháp khoa học áp dụng để triển khai đồ án Cuối cùng, nội dung công việc sẽ được tóm tắt theo từng chương để đảm bảo tính logic và mạch lạc.
TỔNG QUAN NGHIÊN CỨU ĐỀ TÀI
Biểu hiện của lá cây khi thiếu chất dinh dưỡng
Để đánh giá khả năng tiếp nhận chất dinh dưỡng của cây, bên cạnh việc đo giá trị pH, chúng ta có thể phân tích màu sắc của lá Một số triệu chứng thiếu hụt dinh dưỡng trên lá cây bao gồm tình trạng héo lún ở rìa, biến dạng các cạnh lá, giảm kích thước và tổn thương toàn bộ lá U Watchareeruetai và cộng sự đã tổng hợp các triệu chứng thiếu dinh dưỡng trong bảng 2.1, cho thấy rằng màu vàng trên lá biểu thị cây thiếu đạm (N), trong khi màu nâu cho thấy cây thiếu nguyên tố vi lượng (K).
Bảng 2.1 Triệu chứng của cây về sự thiếu hụt chất dinh dưỡng
Color Shape Texture Part of
(-Ca) Healthy Green Misshapen Curling leaf tip Top
(-N) Turning Yellow Ellipse Smooth Bottom
(-Mg) Necrosis (cell injury), interveinal chlorosis
(-K) Brown in the edge Misshapen Curling Top
Health Green Ellipse Smooth Overall
Nhóm đã tiến hành quan sát thực nghiệm cây trong 4 tuần để nghiên cứu các biểu hiện màu sắc của cây Kết quả cho thấy những dấu hiệu thiếu dinh dưỡng thường gặp, được thể hiện rõ trong hình 2.1.
Hình 2.1 Hình ảnh lá cây bị thiếu nguyên tố vi lượng N hoặc Mg
Qua nhiều thí nghiệm, nhóm nghiên cứu nhận thấy rằng khi hệ thống không cung cấp đủ Nitơ (N) cho cây, lá cây sẽ chuyển từ màu xanh sang vàng Trong quá trình thí nghiệm, hầu hết các lá không xuất hiện đốm nâu, cho thấy dung dịch thủy canh đã cung cấp đủ Kali Vì vậy, nhóm tập trung vào việc phát hiện sự bất thường của cây thông qua sự chuyển màu lá từ xanh sang vàng.
Phương pháp phân loại bất thường
Phương pháp phân biệt cây bất thường do thiếu dinh dưỡng chủ yếu dựa vào đặc điểm và tính chất của lá, bao gồm màu sắc, hình dạng và kết cấu Để nhận biết hình dạng, có thể áp dụng các phương pháp xử lý biên như Canny và Sobel, nhằm thu thập thông tin về viền và cạnh của lá từ hình ảnh Những phương pháp này sử dụng ngưỡng đã được cài đặt trước để loại bỏ các đường viền không phải là lá Tuy nhiên, việc chọn ngưỡng phù hợp cho tất cả các điều kiện môi trường là một thách thức lớn, đặc biệt khi có sự thay đổi về ánh sáng hoặc nhiễu, khiến cho đường viền bị đứt đoạn và gây khó khăn trong quá trình nhận diện.
Cây bất thường biển thường có màu sắc biến đổi từ vàng sang xanh, và máy sẽ học đặc điểm này thông qua việc phân tích không gian màu để tách lá cây khỏi nền Các phương pháp như color thresholding và RGB được sử dụng để biểu diễn tần số màu sắc trong ảnh Color thresholding cho phép người dùng chọn vùng màu sắc mong muốn để phân tích, nhưng có thể gặp khó khăn do nhiễu ánh sáng từ môi trường Nhóm nghiên cứu đã áp dụng phương pháp HSV, phân tích các thành phần màu sắc như hue, saturation và value, giúp tập trung vào sự biến đổi màu sắc bất thường Phương pháp HSV ổn định hơn trong các điều kiện ánh sáng khác nhau, cho phép trích xuất màu sắc lá hiệu quả ngay cả khi ánh sáng xung quanh thay đổi.
Nghiên cứu, thiết kế cơ khí cho hệ thống thủy canh
Hiện nay, có hai loại thiết kế phổ biến trong canh tác thủy canh: hệ thống trục tháp dọc và hệ thống thủy canh xếp chồng Trong thiết kế dọc, có nhiều biến thể khác nhau như zigzag, zip và DIY, mỗi loại đều có những ưu điểm riêng.
Trụ thủy canh dọc mang lại nhiều lợi ích như tối ưu hóa không gian, tăng năng suất mùa màng và tiết kiệm chi phí bảo trì Những lợi ích này khiến hệ thống trụ dọc trở thành lựa chọn hàng đầu cho nông dân thủy canh mong muốn đạt được năng suất bền vững Tuy nhiên, cũng cần xem xét một số hạn chế và nhược điểm của hệ thống thiết kế này.
Trụ thủy canh dọc có những hạn chế về kích thước và loại cây, không phù hợp cho cây lớn hoặc nặng cần không gian rễ rộng và cấu trúc hỗ trợ phức tạp Bên cạnh đó, một số loại cây có tập tính sinh trưởng lan ra có thể gặp khó khăn trong việc phát triển hiệu quả trong hệ thống dọc.
Phân phối chất dinh dưỡng trong hệ thống thiết kế theo chiều dọc thường không đồng đều, dẫn đến việc cây ở phía trên nhận ít nước và chất dinh dưỡng hơn so với cây ở phía dưới Để đảm bảo sự phân bố đồng đều này, công suất máy bơm cần được tăng cường, điều này cũng đồng nghĩa với việc điện năng và công suất tiêu thụ của máy bơm sẽ tăng theo.
Hình 2.2 Thiết kế theo dạng zigzag (a), dạng zip (b), dạng DIY (c) [3]
Hình 2.3 Hệ thống thủy canh thiết kế nằm ngang ống nhựa PVC [3]
Hình 2.4 (a) Loại cây trồng và kỹ thuật canh tác (b) Phương pháp canh tác (NFT) [12]
Hệ thống thủy canh được thiết kế phụ thuộc vào loại cây trồng, như mô tả trong hình 2.4 (a) Đối với cây cải canh, kỹ thuật canh tác thủy canh phù hợp là kỹ thuật NFT (Nutrient Film Technique) và DWC (Deep Water Culture).
Nhóm đã quyết định thiết kế hệ thống theo chiều ngang vì nhiều lý do Qua quan sát, họ nhận thấy một số thiết kế phổ biến trong vườn cây thủy canh, được minh họa trong hình 2.4 (a) và hình 2.4 (b).
Kỹ thuật thủy canh theo chiều ngang mang lại nhiều lợi ích, bao gồm khả năng kiểm soát và duy trì mức nước đồng đều giữa các cây, từ đó ngăn ngừa tình trạng ứ đọng nước.
Hệ thống chiếu sáng cho cây
Sau khi lựa chọn phương án thiết kế cho hệ thống thủy canh, việc đảm bảo quá trình trao đổi chất dinh dưỡng của cây diễn ra tốt là rất quan trọng để cây có thể phát triển tối ưu Để đạt được điều này, cây cần ánh sáng để kích thích quá trình quang hợp Tuy nhiên, trong môi trường phòng kín, việc tiếp xúc với ánh sáng mặt trời trở nên khó khăn Do đó, việc sử dụng ánh sáng nhân tạo để hỗ trợ quá trình quang hợp của cây đã trở thành một giải pháp hiệu quả.
Nghiên cứu năm 2021 của Yuda Prasetia và cộng sự đã đánh giá tác động của ánh sáng tự nhiên và ánh sáng nhân tạo (LED) đến sự biến đổi số lượng lá, trọng lượng tươi và chiều cao cây trồng trong hệ thống trồng cây tự động.
Nghiên cứu đánh giá khả năng tiếp nhận khoáng chất của cây thông qua các tiêu chí như số lượng lá, chiều cao cây và trọng lượng tươi Tác giả đã tiến hành thí nghiệm trên cây cải trong 30 ngày, với kết quả được thể hiện trong hình 2.5, 2.6 và 2.7.
Biểu đồ trong hình 2.5 so sánh trọng lượng tươi của cây cải ngọt thủy canh giữa việc sử dụng đèn LED và ánh sáng mặt trời vào ngày thứ 30 Kết quả cho thấy cây cải ngọt phát triển tốt hơn khi sử dụng đèn LED, với trọng lượng từ 22 đến 26 grams và trọng lượng trung bình là 23,6 grams Trong khi đó, cây trồng bằng ánh sáng mặt trời có trọng lượng từ 18 đến 23 grams, với trọng lượng trung bình là 20,2 grams.
Cây cải có trọng lượng tươi khác nhau khi được trồng dưới ánh sáng tự nhiên (màu cam) và ánh sáng nhân tạo (màu xanh) Trục x biểu thị số ngày trồng, trong khi trục y thể hiện trọng lượng tươi của cây.
Hình 2.5 Biểu đồ trọng lượng tươi của cây [13]
Hình 2.6 Biểu đồ so sánh số lượng lá theo các mốc thời gian [13]
Biểu đồ trong hình 2.6 so sánh số lượng lá của cây cải thủy canh được trồng bằng đèn LED và ánh sáng mặt trời trong khoảng thời gian 30 ngày, với dữ liệu được ghi lại sau mỗi 10 ngày Đến ngày thứ 10, cây cải thủy canh sử dụng đèn LED đạt 6-7 lá, trong khi cây trồng dưới ánh sáng mặt trời có sự phát triển khác.
Vào ngày 20, thủy canh sử dụng đèn LED tăng trưởng sản xuất từ 8-10 lá, trong khi thủy canh với đèn năng lượng mặt trời chỉ đạt 7-8 lá Đến ngày thứ 30, thủy canh với đèn LED cho ra 10-13 lá, với trung bình là 11,2 lá, vượt trội hơn so với thủy canh sử dụng ánh sáng mặt trời, chỉ đạt 8-11 lá và trung bình là 9,3 lá.
Hình 2.7 Biểu đồ so sánh chiều cao lá [13]
Biểu đồ trong Hình 2.7 so sánh về chiều cao của cây từ cải trồng thủy canh giữa đèn
Trong một nghiên cứu kéo dài 30 ngày, cây trồng sử dụng đèn LED và ánh sáng mặt trời được theo dõi với dữ liệu ghi lại mỗi 10 ngày Vào ngày thứ 10, cả hai phương pháp đều cho chiều cao cây từ 7 đến 8 cm Đến ngày thứ 20, cây trồng thủy canh sử dụng đèn LED đạt chiều cao từ 13 đến 16 cm, trong khi cây trồng bằng ánh nắng mặt trời đạt từ 12 đến 16 cm Đến ngày thứ 30, cây trồng sử dụng đèn LED tiếp tục phát triển tốt, với chiều cao từ 16 cm trở lên.
Chiều cao cây trồng trong thủy canh với ánh sáng nhân tạo đạt 20 cm, trung bình là 23,6 cm, cao hơn so với thủy canh sử dụng ánh sáng mặt trời, có chiều cao từ 15 đến 19 cm và chiều cao trung bình là 20,2 cm.
Ánh sáng nhân tạo, đặc biệt là ánh sáng LED, có ảnh hưởng lớn đến quá trình quang hợp và sự phát triển của cây, bao gồm số lượng lá, trọng lượng và chiều cao Các hình 2.5, 2.6 và 2.7 cho thấy rõ rằng việc sử dụng ánh sáng LED tạo ra năng suất cao hơn so với việc sử dụng ánh sáng tự nhiên.
Ảnh hưởng của bước sóng đèn LED đến sự phát triển của cây
Tiếp theo, để lựa chọn loại LED trồng cây, nhóm tìm hiểu xem cây trồng hấp thụ ánh sáng để quang hợp trong khoảng bước sóng là bao nhiêu
Nghiên cứu về việc trồng cây dưới ánh sáng LED màu xanh (B) và đỏ (R) cho thấy hai loại ánh sáng này có hiệu suất photon cao nhất và khả năng tiếp nhận chlorophyll tốt hơn so với các bước sóng khác Ánh sáng đỏ thúc đẩy quá trình quang hợp và tăng trưởng cây trồng bằng cách tăng chiều cao, trọng lượng tươi và khô, cũng như diện tích lá Trong khi đó, ánh sáng xanh ảnh hưởng đến nồng độ chlorophyll, mở hở niêm mạc và tích lũy chất chống oxy hóa Do đó, nhóm nghiên cứu đã quyết định lựa chọn đèn LED xanh và đỏ cho thí nghiệm Chi tiết về bước sóng của hai loại LED này được minh họa trong hình 2.8.
Hình 2.8 Bước sóng của đèn tách phổ [22]
Độ pH trong dung dịch dinh dưỡng thủy canh
pH là một tính chất hóa học quan trọng của dung dịch dinh dưỡng, được đo trên thang từ 1 đến 14 để xác định tính axit hoặc bazơ Ở nhiệt độ phòng, nước có độ pH trung tính là 7, không thuộc về axit hay bazơ Dung dịch có độ pH lớn hơn 7 được coi là bazơ, trong khi dung dịch có độ pH nhỏ hơn 7 được xem là axit.
Độ pH của dung dịch dinh dưỡng rất quan trọng, với mức lý tưởng từ 5 đến 7 để đảm bảo các chất dinh dưỡng vẫn tan Khi pH vượt quá 7, tính tan của sắt (Fe) giảm, dẫn đến sự kết tủa của canxi (Ca) và magie (Mg), cùng với các phản ứng hóa học khác làm giảm khả năng hấp thụ các vi lượng như sắt, bô, đồng, kẽm và mangan Ngược lại, nếu pH thấp hơn 5, sự hấp thụ của nitơ, phốt pho, kali, canxi, magie và molypden cũng bị ức chế Việc cung cấp một số vi lượng như mangan trong những trường hợp này có thể gây ô nhiễm nguy hiểm Hình 2.9 minh họa sự khả dụng của một số chất dinh dưỡng theo độ pH.
Để cây phát triển khỏe mạnh và hấp thụ đầy đủ các khoáng chất thiết yếu như nitơ, phốt pho, kali, canxi và magie, pH đất nên được duy trì trong khoảng từ 5.0 đến 7.0.
Hình 2.9 Bảng so sánh mức độ ảnh hưởng của pH đối với chất dinh dưỡng cho cây [32]
THIẾT KẾ CƠ KHÍ
Yêu cầu thiết kế
Nhóm đặt ra các yêu cầu thiết kế cho hệ thống bao gồm những yêu cầu sau:
- Khung máy gọn gàng và dễ di chuyển
- Có cơ cấu di chuyển camera theo dõi theo từng vị trí của cây
- Tải trọng dự kiến từ 20 - 40kg.
Phân tích và lựa chọn phương án truyền động
Để điều khiển chuyển động cho trục X và Y, có ba phương pháp truyền động chính: truyền động bằng vít - ốc vít, truyền động bằng xích, và truyền động bằng dây curoa.
Trong phần 3.2, nhóm phân tích ưu thế và mặt hạn chế của các phương án Để chọn ra bộ truyền thỏa mãn yêu cầu thiết kế đã đề ra
Bộ truyền động bằng vít và ốc vít là thiết bị quan trọng để chuyển đổi chuyển động quay thành chuyển động tuyến tính Tùy thuộc vào cách thức hoạt động của vít và ốc vít, chúng được phân loại thành nhiều loại chuyển động khác nhau.
+ Vít quay và ốc vít dịch chuyển, một cố định với một hỗ trợ
+ Ốc vít quay và vít dịch chuyển
+ Vít quay và ốc vít dịch chuyển
Ốc vít quay, vít dịch chuyển và vít cố định có cấu trúc đơn giản và mạnh mẽ, cho phép thực hiện chuyển động chậm và chính xác Với kích thước nhỏ gọn, chúng có khả năng chịu lực lớn, mang lại hiệu quả cao trong các ứng dụng cơ khí.
Nhược điểm: Hiệu suất thấp do ma sát trên ren vít và dễ bị hao mòn
Nhóm phân tích hệ thống truyền động xích đang tiến hành thiết kế tiếp theo, tập trung vào việc đánh giá các ưu điểm và nhược điểm của hệ thống này Việc sử dụng hệ thống truyền động xích mang lại nhiều lợi ích, nhưng cũng tồn tại một số hạn chế cần được xem xét kỹ lưỡng.
Xích có độ bền cao và khả năng chịu tải lớn, làm cho bộ truyền này rất phù hợp cho hệ thống băng chuyền, đảm bảo tính đáng tin cậy trong quá trình vận hành.
+ Chuyển động chính xác: Xích cung cấp chuyển động chính xác và khá nhất quán
Xích có khả năng hoạt động hiệu quả trên các địa hình nghiêng, bao gồm cả hệ thống băng chuyền thẳng đứng và nghiêng, mang lại sự linh hoạt tối ưu cho bộ truyền.
Yêu cầu bảo trì cao: Xích đòi hỏi việc bôi trơn và bảo trì đều đặn để xích có thể chuyển động trơn tru
Tiếng ồn và rung động do xích tạo ra trong quá trình hoạt động có thể ảnh hưởng đến sự ổn định của máy ảnh, gây trở ngại cho chất lượng chụp ảnh.
Hệ thống truyền động xích mang lại chuyển động chính xác và ổn định, tuy nhiên, nó có thể gây ra rung lắc trong quá trình hoạt động, ảnh hưởng tiêu cực đến chất lượng hình ảnh khi chụp ảnh.
3.2.3 Bộ truyền đai puly Để giảm thiểu sự di chuyển hoặc rung lắc đề cập trong phương pháp 1, nhóm thử nghiệm phương pháp 2 bằng cách phân tích về việc sử dụng dây curoa cho truyền động Ưu điểm:
Hoạt động mượt mà: Dây curoa cung cấp một chuyển động mượt và liên tục, giảm thiểu tối đa chuyển động rung lắc khi camera di chuyển
Dây curoa yêu cầu ít công việc bảo trì hơn so với xích, giúp tiết kiệm thời gian và công sức Ngoài ra, dây curoa có thể được sản xuất từ nhiều loại chất liệu khác nhau, cho phép tùy chỉnh linh hoạt theo từng ứng dụng cụ thể.
Dây curoa không thích hợp cho các độ nghiêng dốc lớn, điều này có thể ảnh hưởng đến khả năng định vị cây trồng trong quá trình chụp ảnh.
Trượt: Dây curoa có thể trượt, làm giảm sự ổn định khi máy ảnh di chuyển
Phương án thiết kế hệ thống cụm camera di chuyển
Khoảng cách giữa các ô vị trí trồng cây liền kề là 0,15m, và nhóm mong muốn thời gian di chuyển giữa hai vị trí này là 1 giây Dựa trên điều này, nhóm đã đưa ra các yêu cầu kỹ thuật cụ thể.
- Thực hiện được nhiệm vụ di chuyển đến đúng vị trí của từng cây để chụp ảnh từ phía trên xuống
- Tốc độ di chuyển trung bình: v = 0.15m/s
- Tải trọng dự kiến: 1-2kg
Phương án: Vị trí trồng cây trồng cố định Chi tiết được thể hiện qua hình 3.1
Hình 3.1 Phương án cho hệ thống camera
Khu vực trồng cây, nơi camera cần chụp ảnh, có kích thước và chiều cao cố định Để tiếp cận các vị trí này, chúng ta sẽ dịch chuyển các mô-đun bằng cách trượt chúng dọc theo trục X và Y, cho phép cụm camera di chuyển dọc theo trục.
X, trục X sẽ có chuyển động dọc theo trục Y, trục Y cố định trên khung Đặc điểm:
- Trục Y đỡ toàn bộ trục X và cụm camera, do đó trục Y cần được thiết kế vững chắc
- Các khớp trượt phải chính xác, không bị rơ để tránh xảy ra sai số khi vận hành
Thiết kế cơ khí
Kích thước của một ống thủy canh là 1000x113x61mm Khi lắp ghép 3 dải ống thủy canh song song với khoảng cách 70mm giữa chúng, kích thước tổng thể đạt 1000x479x61mm Chiều cao bể nước là 155mm, với khoảng cách từ camera đến dàn ống thủy canh là 300mm và từ camera đến đèn chiếu sáng là 150mm, tổng chiều cao là 605mm Nhóm đã chọn kích thước lớn hơn là 1220x720x660mm để thuận tiện cho việc lắp đặt ống nước, máng xích luồn điện và các thành phần khác.
Hình 3.2 Dàn ống thủy canh (a), khung nhôm (b)
Các bộ phận và kích thước được sử dụng cho thiết kế cơ khí, chi tiết (hình 3.3) bao gồm:
- Khung nhôm có kích thước 1220x720x660mm được ghép lại từ những thanh nhôm định hình 2020 và 2040
- Bộ truyền đai (gối đỡ nằm, puly, thanh truyền, dây đai,…)
Hình 3.3 Thiết kế tổng quát hệ thống
(3) Cụm camera theo dõi cây
(5) Cụm máy bơm định lượng
Thiết kế bộ truyền động trục Y
3.5.1 Tính toán lực tác dụng lên trục Y Để xác định phân bố lực dọc theo trục Y, chúng ta cần tính toán các thành phần của lực tác động lên trục Y Chúng ta cần xác định tải trọng được tác dụng lên trục này Chi tiết các lực tác dụng được thể hiện qua hình 3.4
Hình 3.4 Phân tích lực tác dụng lên thanh trục Y [24]
Tải trọng đó bao gồm:
- Khối lượng của cụm trục X: m = 2 kg,
- P: Lực hấp dẫn của hệ thống động cơ trục X (N),
- Fms: Lực ma sát của các con lăn trên thanh nhôm (N),
- Ft: Lực kéo của động cơ để trượt hệ thống trục X trên trục Y (N)
- Fqt: Lực quán tính của hệ thống trục X trong quá trình di chuyển (N),
- Hệ số ma sỏt lăn: à = 0.5
Nhóm nghiên cứu đã phân tích các lực tác động để tính toán khả năng chịu tải và độ bền của trục Y trong các điều kiện làm việc khác nhau, đảm bảo rằng trục này có thể chịu đựng được các lực mà không gặp sự cố.
Trong quá trình chuyển động của cơ cấu truyền động trục Y, có một lực quán tính Lực quán tính được tính như sau:
Để lựa chọn động cơ cho hệ thống truyền động trục Y, cần tính toán công suất cần thiết của động cơ Công thức tính lực là \( F_{qt} = m \times a = 2 \times 0.15 = 0.3 \, (N) \) Chi tiết về chu trình tính toán và chọn động cơ cho trục Y sẽ được trình bày trong phần 3.5.2.
3.5.2 Tính toán, lựa chọn động cơ cho trục Y Đầu tiên, ta cần tìm được tải trọng tác dụng lên trục Y, tức là hệ thống truyền động trục X Tải trọng này có giá trị m = 2 kg và tốc độ điều khiển mong muốn là v = 0.15 m/s Để vận hành hệ thống, lực 𝐹 𝑘 cần thỏa mãn điều kiện sau:
Vì vậy, ta chọn 𝐹 𝑘 = 15 (𝑁) Từ đó, ta tính được công suất cần thiết của động cơ:
Trong đó: nlv: số vòng quay của trục máy công tác (rpm) v: vận tốc của trượt trên trục x (m/s)
D: đường kính puly truyền động (mm)
Tỷ số truyền của hệ thống: 𝑢 𝑡 = 1
Tốc độ ban đầu của động cơ:
Công suất trên trục động cơ: P m = 𝑃 𝑙𝑣
Dựa trên các thông số trên, nhóm đã lựa chọn động cơ với các thông số sau:
Tên động cơ: Nema 17 Stepper Motor (hình 3.5)
3.5.3 Kiểm nghiệm bền cho trục Y Để xác định khả năng trục Y chịu tải và độ bền của nó dưới tác dụng của tải trọng và ngoại, chúng ta tiến hành kiểm tra độ bền cho trục Y Dữ liệu đầu vào bao gồm khối lượng của hệ thống truyền động trục X, mỗi trục có khối lượng 2kg (tính trên một bên), cộng thêm khối lượng của thanh nhôm là 0,5kg Tải trọng lớn nhất tác động tới trung điểm của đoạn AC, vì vậy chúng ta sẽ tính toán ứng suất uốn tại điểm này (điểm B) Để thanh nhôm chịu được ứng suất uốn, nó phải thỏa mãn điều kiện sau:
M x max : Momen uốn tối đa tại vị trí quan trọng của thanh nhôm (𝑁 𝑚𝑚),
𝐽 𝑥 : Momen quán tính của tiết diện theo trục trung lập Y (𝑚𝑚 4 ), y max k : Khoảng cách từ điểm biên đến trục trung lập (𝑚𝑚), σ = 58,86: Giới hạn đàn hồi uốn cho nhôm (𝑁/𝑚𝑚 2 ),
Nhóm phân tích các lực tác dụng lên thanh AC (trục Y) như hình 3.6
Hình 3.6 Phân tích lực trên trục Y
Tính toán lực tác dụng tại vị trí B:
∑ M A = 0 ⇔ −F B × 590 + F C × 1180 = 0 (11) Tính toán lực tác dụng tại vị trí C:
Nhóm dựa trên lực đã tính từ (10), (11), (12) để vẽ được biểu đồ lực và biểu đồ moment uốn Chi tiết biểu đồ được thể hiện qua hình 3.7
Hình 3.7 Biểu đồ mômen uốn của trục Y
Tiếp theo, dựa vào sơ đồ mặt cắt của thanh nhôm 20x40 để tìm điểm trung hòa Chi tiết được thể hiện qua hình 3.8
Hình 3.8 Mặt cắt thanh nhôm 20x40
Nhôm định hình có giá trị: J x = 12000 mm 4 , Ta có ứng suất max là:
Do đó thanh nhôm chữ Y đảm bảo độ bền uốn
3.5.4 Kiểm nghiệm bền cho trục truyền động đai trục X
Lực kéo của động cơ để trượt cụm trục X trên trục Y là 15N Điểm B là vị trí chịu tải lớn nhất, do đó, chúng ta sẽ tính ứng suất uốn tại đây Ứng suất uốn xuất hiện trong trục thép chịu uốn phẳng và cần phải đáp ứng các điều kiện nhất định.
M x max : Momen uốn tối đa tại vị trí quan trọng của thanh nhôm (𝑁 𝑚𝑚),
𝐽 𝑥 : Momen quán tính của tiết diện theo trục trung lập X (𝑚𝑚 4 ), y max k : Khoảng cách từ điểm biên đến trục trung lập (𝑚𝑚), σ = 230: Giới hạn đàn hồi uốn cho thép (𝑁/𝑚𝑚 2 ),
Hình 3.9 Phân tích lực trên trục X
Nhóm phân tích lực đã thực hiện việc vẽ biểu đồ moment uốn của trục truyền động, như thể hiện trong hình 3.10, và minh họa tiết diện mặt cắt ngang của trục thép trong hình 3.11 Mặt cắt ngang của trục thép có hình dạng tròn với đường kính D = 8mm.
Hình 3.10 Biểu đồ mômen uốn của trục truyền động
Hình 3.11 Tiết diện trục thép có D = 8mm
Momen quán tính được tính:
𝐽 𝑋 = 0.05 × D 4 = 0,05 × 8 4 = 204 𝑚𝑚 4 (19) Vậy ứng suất uốn tối đa của trục: σmax max max
Vậy trục thép thỏa mãn độ bền uốn.
Thiết kế hệ thống truyền động trục X
3.6.1 Tính toán lực tác dụng lên trục X
Để xác định tải trọng tác dụng lên trục X, trước tiên cần xem xét các yếu tố như động cơ, cụm trượt bánh xe Vslot và camera, với tổng khối lượng là 1 kg Nhóm phân tích lực tác động lên thanh trục X để hiểu rõ hơn về sự phân bố tải trọng này (hình 3.12).
Hình 3.12 Phân tích lực tác dụng lên thanh trục X [24]
P: Lực hấp dẫn của hệ thống cụm camera (N),
Fms: Lực ma sát của bánh xe trên thanh nhôm (N),
Fqt: Lực quán tính của hệ thống cụm camera trong quá trình di chuyển (N),
Fk: Lực kéo của động cơ để trượt hệ thống cụm camera trên trục X (N),
Hệ số ma sỏt lăn: à = 0.5,
Do đó, lực ma sát:
𝐹 𝑚𝑠 = 𝜇 × 𝑚 × 𝑔 = 0.5 × 1 × 9.81 = 4.9 𝑁 (21) Trọng lực tác dụng lên trục Y:
Trong quá trình di chuyển của cơ chế truyền động trục X, xảy ra các lực quán tính
Chúng ta tính toán lực này bằng cách sử dụng phương trình sau:
3.6.2 Tính toán, lựa chọn động cơ hệ thống cụm camera
Tính công suất cần thiết cho hệ thông chuyển động:
Tải trọng lớn nhất (bao gồm bộ truyền động hệ thống cụm camera) bằng 1kg và cần chạy với tốc độ v = 0.15m/s Để kéo được hệ thì
P lv = F k × v = 6 ∗ 0,15 = 0.9 (W) (25) Xác định số vòng quay của động cơ: n lv `000 ∗ v π ∗ D `000 ∗ 0.15
Trong đó: n lv : số vòng quay của trục máy công tác (vòng/phút) v: vận tốc của trượt trên trục x (m/s)
D = 12: đường kính puly truyền động (mm)
Tỷ số truyền của hệ thống: u t = 1
Số vòng quay sơ bộ của động cơ: n sb = n lv ∗ u t = 238.7 ∗ 1 = 238.7 (vòng/phút) (27) Công suất trên trục động cơ:
Dựa trên các thông số trên, nhóm đã lựa chọn động cơ với các thông số sau:
Tên động cơ: Nema 17 Stepper Motor (hình 3.13)
3.6.3 Kiểm nghiệm bền cho trục X
Dữ liệu đầu vào bao gồm khối lượng hệ thống cụm camera 1kg và khối lượng thanh nhôm 0,3kg Tải trọng lớn nhất tác động tại trung điểm đoạn AC, do đó cần tính toán ứng suất uốn tại điểm B Để thanh nhôm chịu được ứng suất uốn, nó phải đáp ứng điều kiện cụ thể.
M x max : Momen uốn tối đa tại vị trí quan trọng của thanh nhôm (𝑁 𝑚𝑚),
𝐽 𝑥 : Moment quán tính của tiết diện theo trục trung lập X (𝑚𝑚 4 ), y max k : Khoảng cách từ điểm biên đến trục trung lập (𝑚𝑚), σ = 58,86: Giới hạn đàn hồi uốn cho nhôm (𝑁/𝑚𝑚 2 ),
Nhóm phân tích lực tác dụng lên thanh AC (hình 3.14) và tính biểu đồ momen uốn của trục
Tính toán lực tác dụng tại vị trí B:
∑ 𝑀 𝐴 = 0 ⇔ −𝐹 𝐵 × 276.5 + 𝐹 𝐶 × 553 = 0 (33) Tính toán lực tác dụng tại vị trí C:
Hình 3.15 Biểu đồ mômen uốn của trục X
Nhóm dựa vào biểu đồ mặt cắt (hình 3.16) để tìm đường trung hòa y k max
Hình 3.16 Mặt cắt thanh nhôm 20x40
Nhôm định hình có giá trị: J x = 12000 mm 4 , Ta có ứng suất tối đa là:
Do đó thanh nhôm trục X đảm bảo độ bền uốn
Hình 3.17 Bơm nhu động Kamoer
Công suất động cơ bơm được tính dựa theo công thức:
H là chiều cao cột nước (m),
𝜌 là trọng lượng riêng của nước (khoảng 1000 kg/m³), g là gia tốc trọng trường (9.81 m/s 2 ),
𝜂 là hiệu suất của bơm
Yêu cầu thiết kế cho hệ thống bơm định lượng:
Lưu lượng dung dịch cần bơm (Q): 1ml/s = 1x10 6 m 3 /s,
Chiều cao từ nguồn dung dịch đến máy bơm (H): 15cm = 0.15m
Công suất cần thiết của bơm nhu động là:
Dựa trên giá trị công suất đã được tính toán, nhóm đã quyết định chọn bơm nhu động NKP-DC-B08B của Kamoer Hình 3.17 minh họa chi tiết về bơm nhu động này.
THIẾT KẾ HỆ THỐNG ĐIỀU KHIỂN
Lựa chọn vi điều khiển
4.1.1 Chọn máy tính nhúng cho xử lý ảnh
Các vi xử lý thường thiếu GPU tích hợp và có RAM dưới 100MB, điều này gây hạn chế trong khả năng xử lý đồ họa và thực hiện các tác vụ phức tạp liên quan đến xử lý hình ảnh Raspberry Pi là một giải pháp phổ biến cho những nhu cầu này.
Raspberry Pi có nhiều dòng sản phẩm phù hợp cho xử lý ảnh, đặc biệt là những dòng có dung lượng RAM lớn Nhóm nghiên cứu đã tiến hành so sánh các dòng Raspberry Pi với nhau, như được thể hiện trong bảng 4.1.
Bảng 4.1 So sánh các dòng Raspberry Pi
Raspberry Pi Zero Raspberry Pi 3 Model B Raspberry Pi 4 Model B
RAM 512 MB 1 GB 2 GB, 4 GB, 8 GB
USB Micro USB 4x USB 2.0 2x USB 3.0, 2x USB 2.0
Hình 4.1 Tài nguyên CPU và RAM sử dụng khi hệ thống hoạt động
Nhóm đã quyết định không sử dụng Raspberry Pi Zero do thiết bị này không có cổng USB, trong khi đó, Raspberry Pi 3 Model là lựa chọn phù hợp với tài nguyên chiếm dụng khoảng 200MB, như thể hiện trong hình 4.1.
B đáp ứng đủ nhu cầu về dung lượng RAM Như vậy nhóm quyết định chọn Raspberry Pi 3 Model B
4.1.2 Chọn VĐK cho hệ thống giám sát và điều chỉnh môi trường
Nhóm cần một vi điều khiển (VĐK) có khả năng xử lý đa tác vụ và kết nối wifi để theo dõi thông số từ cảm biến và cập nhật lên Firebase Sau khi tìm hiểu, nhóm nhận thấy hai dòng VĐK phổ biến hiện nay là ESP32 và ESP8266 Trong bảng so sánh 4.2, ESP32 nổi bật với khả năng tích hợp dual core, dung lượng RAM cao hơn và tốc độ CPU nhanh hơn so với ESP8266 Điều này giúp ESP32 xử lý các tác vụ như gửi tín hiệu UART và lấy dữ liệu từ Firebase nhanh chóng và hiệu quả hơn Do đó, nhóm đã quyết định lựa chọn ESP32 cho dự án của mình.
Bảng 4.2 So sánh VĐK ESP32 và ESP8266
Tích hợp dual-core Tensilica Xtensa LX6 (32-bit)
Tích hợp single-core Tensilica Xtensa LX106 (32-bit)
RAM Từ 520 KB trở lên Từ 32 KB trở lên
Kết nối mạng Wi-Fi, Bluetooth Wi-Fi
USB Micro USB Micro USB
GPIO Từ 16 đến 36 chân Từ 11 đến 17 chân
Sơ đồ khối
Trong chương này, nhóm tập trung vào thiết kế phần điện và lập trình cho toàn bộ hệ thống Để minh họa mối liên hệ giữa các thành phần, nhóm đã tạo ra sơ đồ (hình 4.2) nhằm cung cấp cái nhìn trực quan về sự kết nối giữa các yếu tố trong hệ thống.
Nhóm sử dụng bốn dòng vi điều khiển (VĐK) trong dự án: Raspberry Pi 3 đảm nhiệm xử lý các tác vụ hình ảnh, trong khi ESP32 điều khiển cảm biến ánh sáng, TDS, nhiệt độ và độ ẩm, nhận chuỗi điều khiển từ Arduino Uno và lấy giá trị từ Firebase Arduino Nano được sử dụng để điều khiển động cơ step, còn Arduino Uno quản lý đèn và máy bơm.
Sơ đồ nguyên lý
Nhóm thể hiện sự tương tác giữa các khối thông qua sơ đồ nguyên lý Sơ đồ kết nối chân I/O của các khối được minh họa trong sơ đồ mạch điện tổng thể của hệ thống, như thể hiện trong hình 4.3.
Có 4 khối chính được sử dụng trong project Các khối đó bao gồm: khối nguồn, khối xử lý, khối cảm biến, khối thực thi Chi tiết của từng khối:
Nhóm sử dụng ba nguồn để cung cấp năng lượng cho các thành phần trong mạch điện
Ba loại nguồn nhóm sử dụng gồm có các loại:
+ Nguồn 12V: cung cấp năng lượng động cơ step và cầu H để điều khiển máy bơm nhu động, đèn chiếu sáng
+ Nguồn 5V: cung cấp nguồn cho Arduino Uno, Arduino Nano, ESP32, Raspberry
Pi 3, camera phục vụ mục đích xử lý ảnh
+ Nguồn 3.3V: cung cấp năng lượng cho các cảm biến
Xử lý tự động hóa trong hệ thống bao gồm các vi điều khiển như EPS32, Arduino Uno, Arduino Nano và máy tính nhúng Raspberry Pi 3 Khối xử lý có nhiệm vụ nhận tín hiệu từ các cảm biến và cơ cấu chấp hành, từ đó đưa ra quyết định điều khiển cho khối thực thi.
Thu thập thông tin cho các VĐK xử lý bao gồm cảm biến TDS, pH, nhiệt độ, độ ẩm, cường độ ánh sáng từ môi trường và camera để đọc hình ảnh.
Thực hiện các tác vụ theo điều khiển của các VĐK, bao gồm: cầu H, bơm nhu động, đèn chiếu sáng, driver động cơ step
Hình 4.3 Sơ đồ nguyên lý
Chi tiết các thành phần trong hệ thống
4.4.1 Máy tính nhúng Raspberry Pi 3 Model B+
Nhóm đã chọn Raspberry Pi 3 làm máy tính nhúng để xử lý ảnh và cập nhật trạng thái vị trí từng cây lên Google Firebase Đồng thời, nhóm cũng sử dụng giao tiếp UART để truyền giá trị vị trí mong muốn xuống Arduino Nano, nhằm điều khiển vị trí camera.
Pi 3 được minh họa trong hình 4.4.
- Vi xử lý: Broadcom BCM2837B0, quad-core A53 (ARMv8) 64-bit SoC @1.4GHz
- Nguồn điện sử dụng: 5V/2.5A DC cổng microUSB, 5V DC trên chân GPIO, Power over Ethernet (PoE) (yêu cầu thêm PoE HAT)
4.4.2 Mạch điều khiển Arduino Nano
Nhóm đã sử dụng mạch Arduino Nano để điều khiển vị trí, nhận giá trị vị trí thông qua giao tiếp UART từ Raspberry Pi 3 Hình 4.5 minh họa chi tiết về vi điều khiển Arduino Nano.
Nhóm đã sử dụng mạch ESP32 để thu thập dữ liệu từ các cảm biến, đồng thời cập nhật thông tin lên Google Firebase và nhận các thông số cài đặt cho hệ thống Các giá trị cài đặt này sẽ được truyền qua giao tiếp UART đến Arduino Uno Hình 4.6 minh họa chi tiết về vi điều khiển ESP32.
- Điện áp giao tiếp GPIO: 3.3 VDC
Hình 4.4 Máy tính nhúng Raspberry Pi 3
Hình 4.5 Vi điều khiển Arduino Nano
4.4.4 Mạch điều khiển Arduino CNC Shield V4
Nhóm đã chọn mạch điều khiển Arduino CNC Shield V4 để điều khiển các động cơ step và nhận tín hiệu từ công tắc hành trình Mạch này kết hợp với Arduino Nano và driver A4988 để điều khiển động cơ Chi tiết về mạch điều khiển được minh họa trong hình 4.8.
Mạch điện tử này được thiết kế để điều khiển máy bơm nhu động và độ sáng của đèn thông qua việc thay đổi điện áp đầu vào bằng cách đóng/cắt các transistor Nhờ đó, tốc độ của máy bơm và độ sáng của đèn có thể được điều chỉnh linh hoạt theo nhu cầu sử dụng Hình 4.9 minh họa chi tiết về mạch cầu H.
- Dòng tối đa cho mỗi cầu H là: 2A
Hình 4.6 Vi điều khiển Arduino Uno
Hình 4.7 Vi điều khiển ESP32
4.4.6 Cảm biến độ pH DFRobot Gravity
Cảm biến độ pH DFRobot Gravity là một thiết bị chuyên nghiệp và tiên tiến, nổi bật với thiết kế thông minh và nhiều tính năng tích hợp như hiệu chuẩn tự động và bù nhiệt độ Với độ tin cậy và chính xác cao trong việc đo độ pH, bộ cảm biến này là lựa chọn lý tưởng cho các ứng dụng cần đo lường pH Hình 4.10 minh họa chi tiết về cảm biến pH.
- Độ chính xác pH: ± 0.1 pH
4.4.7 Cảm biến TDS DFRobot Gravity
Cảm biến TDS DFRobot Gravity là thiết bị đo nồng độ chất rắn hòa tan trong dung dịch, mang lại độ chính xác và độ tin cậy cao trong việc kiểm tra chất lượng nước và giám sát môi trường Hình 4.11 minh họa chi tiết về cảm biến TDS này.
- Phạm vi đo TDS: 0 - 5000 ppm (parts per million).
- Độ chính xác: ± 10% hoặc ± 20 ppm (tùy thuộc vào giá trị đo).
4.4.8 Cảm biến nhiệt độ, độ ẩm không khí SHT30
Thiết bị này cung cấp thông tin về nhiệt độ và độ ẩm không khí, tích hợp bộ cảm biến nhạy cảm cho phép đo lường đồng thời hai thông số với độ chính xác cao Chi tiết về cảm biến nhiệt độ và độ ẩm không khí được thể hiện trong hình 4.12.
- Điện áp hoạt động: 2.4V đến 5.5V
+ Phạm vi đo: 0% đến 100% RH (độ ẩm tương đối).
4.4.9 Cảm biến nhiệt độ DS18B20
Cảm biến DS18B20 là thiết bị lý tưởng để đo nhiệt độ nước, mang lại độ chính xác và độ tin cậy cao Hình 4.13 minh họa chi tiết về cảm biến này.
- Điện áp hoạt động: 3.0V đến 5.5V.
- Độ chính xác: ±0.5°C (trong phạm vi -10°C đến +85°C). ±2.0°C (trong phạm vi -55°C đến +125°C).
4.4.10 Cảm biến ánh sáng BH1750
Cảm biến BH1750 là một thiết bị kỹ thuật số chuyên dụng để đo cường độ ánh sáng xung quanh, nổi bật với độ chính xác cao Hình 4.14 minh họa chi tiết về cảm biến ánh sáng BH1750.
- Điện áp hoạt động: 2.4V đến 3.6 V.
- Phạm vi đo thông thường: 1 Lux đến 65,535 Lux.
- Độ chính xác: ±20% trong phạm vi đo thường
Đèn LED dây với bóng màu đỏ và xanh theo tỷ lệ 3:1, nối liên tiếp tạo thành một dây dài, phù hợp cho cây quang hợp và phát triển Với chuẩn IP65 chống nước, sản phẩm thích hợp cho môi trường ẩm ướt như trong nuôi trồng thủy canh Chi tiết về đèn chiếu sáng được thể hiện trong hình 4.15.
Hình 4.15 Đèn led dây 5050 SMD
4.4.12 Nguồn cấp Để chọn được nguồn phù hợp để cung cấp đủ điện áp và dòng điện cho các thành phần hệ thống như đã chọn ở các phần 4.3.1 đến 4.3.12, nhóm sẽ lập bảng tổng hợp như bảng 4.3
Bảng 4.3 Tổng hợp dòng điện tiêu thụ
Cảm biến nhiệt độ, độ ẩm SHT30 1x10 -3
Cảm biến nhiệt độ DS18B20 1x10 -3
Cảm biến ánh sáng BH1750 0.12x10 -3 Đèn chiếu sáng 5050SMD 2m 1.4
Dựa theo bảng 4.3, nhóm chọn nguồn tổ ong 12VDC 10A cho hệ thống Chi tiết nguồn tổ ong được minh họa trong hình 4.16.
Trong hệ thống, bên cạnh các thiết bị sử dụng điện áp 12VDC, còn có thiết bị khác yêu cầu mức điện áp 5VDC Để đáp ứng nhu cầu này, nhóm đã sử dụng mạch hạ áp để chuyển đổi từ 12VDC xuống 5VDC (hình 4.17).
Hình 4.17 Mạch giảm áp Buck DC-DC 5A XL4005
- Điện áp đầu vào: 5 - 32VDC
- Điện áp đầu ra: điều chỉnh từ 1.25VDC – 30V
- Dòng đầu ra tối đa : 5A
XỬ LÝ ẢNH
Tổng quan phương pháp
Nhóm nghiên cứu áp dụng phương pháp Hue, Saturation, Value (HSV) để chuyển đổi màu sắc từ không gian RGB sang HSV nhằm trích xuất màu xanh và vàng của lá cây Sau khi phân tích hai màu này, nhóm thực hiện nhị phân hóa hình ảnh để tạo mặt nạ cho các pixel chứa màu vàng và xanh lá cây Từ các mặt nạ này, nhóm tính diện tích từng cây và xác định diện tích trung bình cho toàn bộ cây để phân loại giai đoạn phát triển Dựa trên kết quả này, nhóm tiến hành hiệu chỉnh giá trị pH.
Trong nhánh thứ hai của hình 5.1, nhóm đã sử dụng bộ lọc Gaussian để làm mịn mặt nạ, giúp viền đối tượng trở nên mượt mà và đồng nhất Tiếp theo, nhóm tính toán phân bố pixel của mặt nạ đã được làm mịn nhằm xác định ngưỡng pixel cho việc phân loại, bao gồm tổng số pixel bất thường và tổng số pixel của hình ảnh Dựa trên hai giá trị này, chúng ta có thể tính toán điểm bất thường để phân loại giữa lá cây bình thường và lá cây bất thường.
Hình 5.1 Lưu đồ giải thuật cho phương pháp đề xuất
Phương pháp HSV
Để chuyển đổi hình ảnh từ định dạng RGB sang HSV, trước tiên cần chuẩn hóa các giá trị r, g, b để đảm bảo sự nhất quán giữa các hình ảnh khác nhau Quá trình này giúp đưa các giá trị pixel về mức chuẩn, loại bỏ sự phụ thuộc vào phạm vi giá trị pixel tuyệt đối Các giá trị H, S và V sẽ được tính toán theo các công thức đã được xác định.
Nhóm nghiên cứu đã chuyển đổi hình ảnh từ không gian màu RGB sang không gian màu HSV nhằm trích xuất các màu sắc của lá cây, như thể hiện trong lưu đồ (hình 5.2).
Việc điều chỉnh giá trị ngưỡng dựa trên đặc trưng của lá nhằm loại bỏ nhiễu và chọn lọc màu sắc cũng như độ bão hòa màu của lá Các giá trị ngưỡng dưới và trên được xác định để phù hợp với màu sắc và độ bão hòa của lá trong hình ảnh Quá trình này giúp tách lá khỏi nền, tạo ra một mặt nạ đặc trưng chỉ chứa thông tin về lá cây.
Nhị phân ảnh
Giá trị pixel tại hàng thứ i và cột thứ j được ký hiệu là (i, j), với cường độ điểm ảnh tại vị trí này là 𝑓(𝑖, 𝑗) Mật độ điểm ảnh được xác định bởi 𝐹 𝑖𝑗 = {𝑓(𝑖, 𝑗)} Nhóm đã thiết lập giá trị ngưỡng T; nếu cường độ tại điểm ảnh lớn hơn ngưỡng, giá trị pixel sẽ được chuyển đổi thành 255, trong khi nếu nhỏ hơn ngưỡng, giá trị pixel sẽ trở thành 0.
Sau khi xác định mật độ điểm ảnh 𝐹 𝑖𝑗, nhóm đã áp dụng biện pháp biến đổi hình thái Phép toán biến đổi hình thái được sử dụng là phương pháp morphology close.
Quá trình morphology close bắt đầu bằng phép toán erode, giúp co lại các chi tiết nhỏ trong hình ảnh Tiếp theo, phép toán dilate được áp dụng để mở rộng các vùng đã co lại, dẫn đến việc lấp đầy các lỗ hỏng nhỏ và kết nối các đối tượng gần nhau thành một Để mô tả quá trình này, ta gọi 𝐵 = {𝐹 𝑖𝑗 } là ảnh nhị phân trước khi thực hiện morphology close, và 𝐵′ là ảnh nhị phân sau khi áp dụng phép toán này với structuring element S.
Nhóm dựa trên ảnh nhị phân để tính diện tích giá trị pixel bằng 1
Tính diện tích của cây
Gọi giá trị pixel tại hàng i và cột j của hình ảnh nhị phân 𝐵′ là 𝐵′(𝑖, 𝑗) Ta có, diện tích vùng
S được tính bởi công thức 43, 44:
(43) Cho 𝑆 = {𝑆 1 , 𝑆 2 , 𝑆 3 , , 𝑆 𝑛 } nhóm tính trung bình diện tích bởi công thức sau:
Để phân loại cây theo giai đoạn trưởng thành, cần xác định diện tích trung bình dựa trên tài liệu kỹ thuật Cây non được trồng trong khoảng thời gian từ 0 đến 20 ngày trước khi chuyển sang giai đoạn trưởng thành Theo hình 5.2, ngưỡng diện tích được đặt là 0.2 (𝑚²); cây nào có diện tích vượt quá ngưỡng này sẽ được coi là cây trưởng thành, trong khi cây có diện tích dưới ngưỡng sẽ được phân loại là cây non.
Tinh chỉnh mặt nạ
Ảnh nhị phân sau khi xử lý bằng phép toán morphology close 𝐵′ sẽ được áp dụng bộ lọc Gaussian blur Bộ lọc này tính toán mỗi điểm ảnh mới bằng cách lấy trung bình của các điểm ảnh xung quanh dựa trên hàm phân phối Gaussian Kết quả là những vùng pixel không có dấu hiệu cây bất thường sẽ bị làm mờ và trung hòa, giúp giảm sự nổi bật của chúng trong ảnh nhị phân.
Sau khi áp dụng bộ lọc gaussian, biểu đồ histogram thể hiện sự phân bố giá trị pixel (hình 5.4)
Từ phần 5.3, hình ảnh nhị phân 𝐵′ được xác định với x và y là giá trị pixel của hàng và cột Cụ thể, ta có x = {x₁, x₂, , xₙ} và y = {y₁, y₂, , yₙ} Để tính toán, ta áp dụng công thức tương ứng.
Giá trị P(x, y) đại diện cho hàm Gaussian tại tọa độ (x, y), trong khi σ (sigma) thể hiện độ lệch chuẩn của phân phối Gaussian Độ lệch chuẩn này quyết định mức độ mờ áp dụng lên hình ảnh; giá trị σ càng lớn thì hiệu ứng mờ càng mạnh.
Nhóm tính toán ngưỡng nhằm phân biệt giữa pixel bình thường và bất thường bằng cách tính trung bình Những giá trị điểm ảnh nhỏ hơn ngưỡng đã được thiết lập sẽ được thay thế bằng giá trị 0, cho thấy vùng đó không phát hiện màu sắc bất thường.
Hình 5.2 Diện tích của lá cây đo được trong 50 ngày [23]
Phát hiện điểm bất thường
Cho tập hợp 𝑃 = {𝑃(𝑥₁, 𝑦₁), 𝑃(𝑥₂, 𝑦₂), , 𝑃(𝑥ᵢ, 𝑦ᵢ)}, tổng số lượng phần tử trong mảng P được ký hiệu là 𝐼𝑡, trong khi tổng số lượng phần tử có giá trị lớn hơn ngưỡng 𝑇ₘ được ký hiệu là 𝐼′𝑡 Từ đó, số điểm bất thường có thể được tính bằng công thức: s = 𝐼′𝑡.
Sau khi phân tích điểm số histogram của hình ảnh, nhóm đã thiết lập ngưỡng 0.5 để phân biệt giữa cây có lá bất thường và cây có lá bình thường, dựa trên giá trị pixel trong ảnh nhị phân Những vùng có điểm số vượt quá ngưỡng cho thấy sự chuyển màu của lá từ xanh sang vàng, chỉ ra rằng cây đó có dấu hiệu bất thường Ngược lại, các vùng có điểm số dưới 0.5 phản ánh trạng thái bình thường của lá cây.
Hình 5.3 Phân bố giá trị pixel của ảnh
Hình 5.4 Sự phân bố của điểm số bất thường và ngưỡng phân loại
THIẾT KẾ GIAO DIỆN WEB – WEB-SERVER
Các dịch vụ được sử dụng trong web server
Firebase là nền tảng đám mây của Google, cung cấp cơ sở dữ liệu thời gian thực cho hệ thống IoT với khả năng lưu trữ và đồng bộ hóa dữ liệu trên nhiều thiết bị Dữ liệu từ các thiết bị IoT được cập nhật ngay lập tức trong cơ sở dữ liệu NoSQL của Firebase, giúp việc truy xuất và chia sẻ thông tin trở nên dễ dàng hơn Hình 6.1 minh họa chi tiết giao diện của Firebase.
Hình 5.5 Sơ đồ mô tả cách hoạt động của phương pháp HSV
Xây dựng CSDL lưu trữ thông tin đăng nhập
Firebase cho phép người dùng có thể lưu trữ thông tin đăng nhập (username và password) trong Firebase Authentication (hình 6.2).
Hình 6.2 CSDL lưu trữ thông tin đăng nhập
Xây dựng CSDL lưu trữ dữ liệu của hệ thống
Xây dựng cơ sở dữ liệu thời gian thực trong Firebase Realtime giúp lưu trữ và truy xuất hiệu quả các dữ liệu như thông số cảm biến, cài đặt và trạng thái của hệ thống cây Chi tiết về quá trình xây dựng cơ sở dữ liệu được minh họa trong hình 6.3.
Hình 6.3 CSDL lưu trữ dữ liệu hệ thống
Xây dựng CSDL lưu trữ dữ hình ảnh
Firebase Storage là dịch vụ lưu trữ đám mây của Firebase, cho phép người dùng dễ dàng tải lên và quản lý hình ảnh Với Firebase Storage, bạn có thể lưu trữ và hiển thị hình ảnh trong ứng dụng thông qua các URL truy cập được cung cấp Chi tiết về cơ sở dữ liệu được minh họa trong hình 6.4.
Hình 6.4 Lưu trữ hình ảnh trên CSDL
Remote.it là dịch vụ kết nối và quản lý từ xa các thiết bị nhúng và máy chủ một cách bảo mật và đáng tin cậy Dịch vụ này cho phép người dùng dễ dàng tạo kết nối an toàn đến các thiết bị IoT như Raspberry Pi Qua việc kết nối từ xa, người dùng có thể xem hình ảnh từ camera được cài đặt trên Raspberry Pi 3 thông qua một trang web Để thực hiện điều này, cần cài đặt và cấu hình camera trên Raspberry Pi 3, bao gồm việc cài đặt các package trong Python để đọc hình từ camera.
Hình 6.5 Đăng kí kết nối trên Remote.it
Để hiển thị hình ảnh trên web, chúng ta sử dụng các ngôn ngữ web như HTML, CSS và JavaScript để tạo một trang web đơn giản Trang web này cho phép truy cập hình ảnh từ camera thông qua địa chỉ IP của kết nối từ xa được tạo bởi remote.it.
Khởi tạo giao diện web-server
6.2.1 Cơ sở thiết kế web-server
Web-server cho phép người dùng tương tác với thông tin hệ thống thông qua dữ liệu được lưu trữ trên cơ sở dữ liệu (CSDL) Dữ liệu từ các cảm biến của hệ thống được lưu trữ tại đây và được sử dụng để hiển thị thông tin cho người dùng Ngoài ra, web-server còn hỗ trợ lên lịch các hoạt động cho cơ cấu chấp hành Một số loại web-server phổ biến bao gồm Apache, Nginx và IIS.
Nhóm đã chọn Apache làm máy chủ để quản lý trang web, nhờ vào tính phổ biến và khả năng hoạt động trên nhiều nền tảng Apache dễ dàng tích hợp và hỗ trợ đa dạng công nghệ web, giúp tối ưu hóa hiệu suất và tính linh hoạt cho dự án.
Hình 6.6 Cấu trúc của web-server
Người dùng có thể theo dõi các thông số giá trị của cảm biến trong hệ thống và lên lịch cho các hoạt động của cơ cấu chấp hành thông qua web-server, sử dụng trình duyệt tại tên miền smarthydroponic.000webhostapp.com.
Web-server sẽ gửi các thiết lập từ người dùng đến cơ sở dữ liệu Firebase, đồng thời lấy các giá trị hệ thống từ Firebase để hiển thị trên trình duyệt.
6.2.2 Yêu cầu thiết kế của một web-server
Trong đề tài “Nghiên cứu, chế tạo hệ thống giám sát nhà vườn từ xa ứng dụng xử lý ảnh”, các nội dung của web-server sẽ bao gồm:
- Tạo liên kết dữ liệu giữa cơ sở dữ liệu Firebase với web-server
- Tạo giao diện trang web hiển thị những thông tin lên web, cũng như các thông số cài đặt và khung camera để theo dõi trực tiếp cây.
Thông số thiết lập từ trình duyệt web cho phép hệ thống tự động điều khiển hoàn toàn Người dùng có thể giám sát hệ thống dễ dàng qua internet thông qua trình duyệt web.
Thiết kế giao diện
Nhóm sử dụng một số ngôn ngữ như HTML, CSS và JavaScript để thiết kế giao diện giám sát cây trên trang web:
HTML (Ngôn ngữ đánh dấu siêu văn bản) là công cụ chính để xây dựng cấu trúc và định dạng nội dung của trang web Nó định nghĩa các phần tử như tiêu đề, đoạn văn, hình ảnh và liên kết, giúp tạo nên một trang web hoàn chỉnh và dễ dàng tương tác.
CSS (Cascading Style Sheets) là công cụ quan trọng để trình bày và thiết kế giao diện trang web Nó cho phép định nghĩa các kiểu dáng, màu sắc, cỡ chữ và khoảng cách, giúp trang web trở nên hấp dẫn và chuyên nghiệp hơn.
JavaScript là ngôn ngữ lập trình quan trọng giúp trang web trở nên động và tương tác hơn Nó cho phép xử lý sự kiện, thêm hiệu ứng trực quan, tương tác với người dùng và quản lý dữ liệu một cách hiệu quả.
Sự kết hợp của ba ngôn ngữ này tạo ra giao diện trang web hấp dẫn và linh hoạt, nâng cao khả năng tương tác với người dùng và cải thiện trải nghiệm người dùng.
Các tính năng của Web-Server
Trang đăng nhập của web server là giao diện quan trọng và bảo mật, nơi người dùng cung cấp thông tin đăng nhập như tên người dùng hoặc địa chỉ email cùng mật khẩu Sau khi gửi yêu cầu đăng nhập, web server sẽ xác thực thông tin và kiểm tra tính hợp lệ Nếu thông tin đúng, người dùng sẽ được chuyển hướng đến các tính năng và tài nguyên của trang web; ngược lại, nếu thông tin không chính xác, trang sẽ thông báo lỗi và yêu cầu nhập lại Tính năng này đảm bảo an toàn cho người dùng và trang web, đồng thời giúp quản lý quyền truy cập và bảo vệ dữ liệu nhạy cảm.
Hình 6.7 Trang đăng nhập của hệ thống
Trang chủ của web server cung cấp cái nhìn tổng quan về hệ thống IoT và thông tin cảm biến hiện tại Người dùng có thể theo dõi các thông số như nhiệt độ, độ ẩm, ánh sáng, pH, vi lượng và nhiều thông số khác dưới dạng số liệu số Các giá trị này được cập nhật theo thời gian thực, đảm bảo cung cấp thông tin mới nhất về trạng thái của hệ thống.
Trang chủ không chỉ hiển thị thông tin cảm biến mà còn cho phép người dùng điều khiển hệ thống một cách thủ công Từ giao diện trực quan, người dùng có thể điều chỉnh đèn, pH và vi lượng Mọi thay đổi được thực hiện sẽ ngay lập tức cập nhật trạng thái của hệ thống.
Hình 6.8 Trang chủ của webserver
Hình 6.9 Trang hiển thị biểu đồ các thông số của hệ thống
Trang hiển thị biểu đồ giúp người dùng dễ dàng theo dõi các thông số hệ thống như độ pH, ppm, nhiệt độ và độ ẩm Các thông số này được lưu trữ với 24 giá trị, mỗi giá trị cách nhau 1 giờ, tương ứng với 24 giờ trước đó.
Trang cài đặt của web server giúp người dùng tùy chỉnh và kiểm soát hệ thống IoT một cách hiệu quả Người dùng có thể thiết lập thời gian tự động chiếu sáng và điều chỉnh vị trí camera để theo dõi tình trạng sức khỏe của từng thiết bị.
Người dùng có thể cài đặt các thông số môi trường nước phù hợp cho từng giai đoạn phát triển của cây, giúp cây phát triển tốt hơn.
Trang web cho phép người dùng giám sát tình trạng cây qua camera trực tiếp và điều chỉnh vị trí camera từ xa Hình ảnh được hiển thị thông qua địa chỉ IP của dịch vụ Remote.it từ Raspberry Pi 3 Việc theo dõi và điều khiển camera giúp tiết kiệm thời gian nhân công trong việc kiểm tra cây Hệ thống sẽ nhận diện và hiển thị tình trạng của từng cây trên trang web.
Hình 6.10 Trang cài đặt thông số điều khiển cảm biến
Hình 6.11 Trang web quan sát trực tiếp tình trạng cây
Trang web giám sát cung cấp hình ảnh về cây trồng với những thay đổi màu sắc bất thường, góp phần quan trọng vào việc quản lý môi trường cây và đảm bảo sự phát triển bền vững cho cây trồng.
Hình 6.12 Trang hiển thị thông tin cây bất thường
Đăng kí trang web lên 000webhost
000webhost là dịch vụ hosting web miễn phí, cho phép người dùng lưu trữ và triển khai trang web một cách dễ dàng và tiết kiệm Với giao diện quản lý đơn giản, hỗ trợ nhiều ngôn ngữ và tên miền cấp 2 miễn phí, dịch vụ này rất phù hợp cho các dự án nhỏ và cá nhân, mặc dù có giới hạn về dung lượng và tài nguyên Đăng ký trang web trên 000webhost giúp người dùng truy cập vào trang web từ bất kỳ đâu qua Internet, với sự hỗ trợ của nhóm tạo domain để định danh và dễ dàng truy cập vào địa chỉ trang web.
Bước tiếp theo là tải mã nguồn của trang web lên thư mục trên 000webhost, đây là bước quan trọng để triển khai trang web của bạn lên môi trường hosting, giúp trang web hoạt động trên máy chủ.
Hình 6.13 Đăng kí domain ở 000webhost
Hình 6.14 Tệp đăng tải mã nguồn trên 000webhost
KẾT QUẢ - ĐÁNH GIÁ HỆ THỐNG
Kết quả sau khi gia công lắp ráp
Sau quá trình thiết kế và lắp ráp, nhóm đã hoàn thiện mô hình đầy đủ, bao gồm các hệ thống di chuyển camera theo dõi, máy bơm định lượng và tủ điện Hệ thống đã hoạt động ổn định trong 2 tuần thử nghiệm liên tục, kiểm soát chính xác các thông số pH và ppm theo cài đặt Ngoài ra, hệ thống tự động kiểm tra cây bất thường hàng ngày đúng theo giờ đã được thiết lập.
Hình 7.1 Tổng thể mô hình
Hình 7.2 Dàn ống thủy canh sau khi gia công lắp ráp
Hình 7.3 Cụm camera sau khi gia công lắp ráp
Hình 7.4 Cụm máy bơm định lượng sau khi gia công lắp ráp
Hình 7.5 Hình ảnh bên ngoài và bên trong của tủ điện
Thực nghiệm và đánh giá phần thiết kế cơ khí
Theo yêu cầu thiết kế, thời gian cần thiết để cụm camera di chuyển là 1 giây Trong lần thí nghiệm đầu tiên, nhóm đo thời gian di chuyển của camera từ cây thứ nhất sang cây thứ hai, với tổng thời gian ghi nhận là 1.085 giây Tuy nhiên, chỉ dựa vào một lần thí nghiệm, không thể đánh giá chính xác thời gian phản hồi của hệ thống Do đó, nhóm đã thực hiện thêm 11 lần thí nghiệm và thu thập kết quả như trong bảng 7.1.
Bảng 7.1 Kết quả thực nghiệm thời gian camera di chuyển trên trục
Mong muốn Thực tế Sai số
Thời gian sai số khi cụm cam di chuyển qua từng vị trí là 0.177 giây Trong quá trình thực nghiệm, nhóm đánh giá cho thấy với khoảng thời gian sai số này, hệ thống vẫn có khả năng nhận diện chính xác màu sắc của cây bất thường với độ chính xác đạt 74%.
Thực nghiệm và đánh giá phần điều khiển
Nhóm tiến hành thí nghiệm điều khiển hệ thống bằng cách điều chỉnh các thông số độ pH và ppm Trong quá trình thí nghiệm, các thông số này được cài đặt trên giao diện web và sau đó so sánh với dữ liệu đo được từ cảm biến Kết quả của thí nghiệm được trình bày trong bảng 7.2.
Bảng 7.2 Đánh giá đáp ứng hệ thống khi điều chỉnh độ pH và ppm thông qua web pH ppm
Mẫu Cài đặt Đo được Cài đặt Đo được Cài đặt Đo được
Sai số (%) 8.166 % 9.66% 5% x Độ lệch sai số 0.08166 0.0966 0.05 23.167
Trong quá trình cài đặt, nhóm sẽ thiết lập các thông số trên website để hệ thống tự động điều chỉnh giá trị Cột đo chính là kết quả từ cảm biến Nhóm tiến hành 6 lần thử nghiệm để đánh giá độ sai lệch của giá trị cảm biến Độ lệch sai số của giá trị pH được xác định bằng cách lấy giá trị trung bình khi cài đặt trừ đi giá trị trung bình khi đo Tương tự, độ lệch cũng được áp dụng cho giá trị ppm cài đặt và giá trị đo được.